使用 7BIT 内容传输编码解析电子邮件正文 - PHP

Posted 2023-02-24

【中文标题】使用 7BIT 内容传输编码解析电子邮件正文 - PHP

【英文标题】：Parsing Email Body with 7BIT Content-Transfer-Encoding - PHP

【发布时间】：2012-09-22 19:54:29

【问题描述】：

我最近一直在实现一些基于 php/IMAP 的电子邮件处理功能，并且除了消息正文解码（在某些情况下）之外，大多数功能都运行良好。

我认为，到目前为止，我已经记住了一半的 RFC 2822（“Internet 消息格式”文档指南），阅读了六个开源 CMS 的电子邮件处理代码，并阅读了大量论坛帖子、博客文章等处理用 PHP 处理电子邮件。

我还分叉并完全重写了一个用于 PHP 的类 Imap，并且该类可以很好地处理电子邮件——我有一些有用的方法来检测自动回复（用于不在办公室、旧地址等） ，解码base64和8bit消息等

但是，我根本无法可靠地工作的一件事（或者，有时，根本无法）是当带有 Content-Transfer-Encoding: 7bit 的消息进入时。

似乎不同的电子邮件客户端/服务将7BIT 解释为不同的东西。我收到了一些据称是7BIT 的电子邮件，实际上 Base64 编码。我得到了一些实际上引用-可打印编码。还有一些没有以任何方式编码。还有一些是 html，但未指示为 HTML，它们也被列为 7BIT...

以下是使用 7 位编码接收的消息正文的一些示例（片段）：

1：

A random message=20

Sent from my iPhone

2：

PGh0bWwgeG1sbnM6dj0idXJuOnNjaGVtYXMtbWljcm9zb2Z0LWNvbTp2bWwi
IHhtbG5zOm89InVybjpzY2hlbWFzLW1pY3Jvc29mdC1jb206b2ZmaWNlOm9m

3：

tangerine apricot pepper.=0A=C2=A0=0ALet me know if you have any availabili=
ty over the next month or so. =0A=C2=A0=0AThank you,=0ANames Withheld=0A908=
-319-5916=0A=C2=A0=0A=C2=A0=0A=C2=A0=0A=0A=0A______________________________=
__=0AFrom: Names Witheld =0ATo: Names Withheld=

这些都是全部以“7Bit”编码发送的（嗯，至少根据 PHP/imap_*），但它们显然需要更多解码才能将它们传递为纯文本。有什么方法可以可靠地将所有采用 7Bit 编码的消息转换为纯文本？

【问题讨论】：

如果每个人都只是发送纯文本电子邮件，并使用一个漂亮、简单的客户端，如 ios 版 Mail 或命令行上的 mail，世界会变得更美好:)

这些是损坏的消息。 7 位表示纯 ascii：消息中的所有字符都应该是纯 US-ASCII，没有额外的编码。有些东西在骗你。您当然可以尝试进行启发式检测。

另外，您应该使用 Thunderbird 之类的客户端下载原始 MIME 消息并查看它，以确保 PHP 中的某些内容不会欺骗您。

【参考方案1】：

$structure = imap_fetchstructure; 不是$encoding = $structure->encoding 但是$encoding = $structure->parts[ $p ]->encoding

我想我遇到了同样的问题，现在已经解决了。 （7bit 没有转换为 UTF-8，一直得到 ASCII）我以为我有 7bit，但是将代码更改为“BUT”我得到了$encoding=4，而不是$encoding=0，这意味着我必须imap_qprint($body) 和@ 987654327@得到我想要的。

无论如何检查编码号！ （应该是 4 而不是零）

【讨论】：

这显然是不完整的代码...... $p 应该代表什么？ $encoding = $structure->parts[ $p ]->encoding 将返回未定义的 $p。

【参考方案2】：

花了更多时间后，我决定写一些启发式检测，正如 Max 在我最初问题的 cmets 中建议的那样。

我在Imap.php 中构建了一个更强大的decode7Bit() 方法，它会遍历一堆常见的编码字符（如=A0）并将它们替换为它们的UTF-8 等价物，然后还会解码消息，如果它们看起来像是 base64 编码的：

/**
 * Decodes 7-Bit text.
 *
 * PHP seems to think that most emails are 7BIT-encoded, therefore this
 * decoding method assumes that text passed through may actually be base64-
 * encoded, quoted-printable encoded, or just plain text. Instead of passing
 * the email directly through a particular decoding function, this method
 * runs through a bunch of common encoding schemes to try to decode everything
 * and simply end up with something *resembling* plain text.
 *
 * Results are not guaranteed, but it's pretty good at what it does.
 *
 * @param $text (string)
 *   7-Bit text to convert.
 *
 * @return (string)
 *   Decoded text.
 */
public function decode7Bit($text) 
  // If there are no spaces on the first line, assume that the body is
  // actually base64-encoded, and decode it.
  $lines = explode("\r\n", $text);
  $first_line_words = explode(' ', $lines[0]);
  if ($first_line_words[0] == $lines[0]) 
    $text = base64_decode($text);
  

  // Manually convert common encoded characters into their UTF-8 equivalents.
  $characters = array(
    '=20' => ' ', // space.
    '=E2=80=99' => "'", // single quote.
    '=0A' => "\r\n", // line break.
    '=A0' => ' ', // non-breaking space.
    '=C2=A0' => ' ', // non-breaking space.
    "=\r\n" => '', // joined line.
    '=E2=80=A6' => '…', // ellipsis.
    '=E2=80=A2' => '•', // bullet.
  );

  // Loop through the encoded characters and replace any that are found.
  foreach ($characters as $key => $value) 
    $text = str_replace($key, $value, $text);
  

  return $text;

这取自我在 GitHub 上的 Imap class for PHP 的 1.0-beta2 版本。

如果您对提高效率有任何想法，请告诉我。我最初尝试通过quoted_printable_decode() 运行所有内容，但有时 PHP 会抛出模糊且无用的异常，因此我放弃了这种方法。

【讨论】：

非常感谢您发布此消息。很好的解释和很好的评论。我很感激。

我喜欢它——这是 PHP 中这个问题的一个非常简单的 str_replace() 解决方案，谢谢。

【参考方案3】：

我知道这是一个老问题....但是我现在遇到了这个问题，似乎 PHP 现在有了解决方案。

这个函数imap_fetchstructure()会给你编码的类型。

0   7BIT
1   8BIT
2   BINARY
3   BASE64
4   QUOTED-PRINTABLE
5   OTHER

从那里你应该能够创建一个这样的函数来解码消息

function _encodeMessage($msg, $type)

            if($type == 0)
                return mb_convert_encoding($msg, "UTF-8", "auto");
             elseif($type == 1)
                return imap_8bit($msg); //imap_utf8
             elseif($type == 2)
                return imap_base64(imap_binary($msg));
             elseif($type == 3)
                return imap_base64($msg);
             elseif($type == 4)
                return imap_qprint($msg);
                //return quoted_printable_decode($msg);
             else 
                return $msg;
            
        

你可以这样调用这个函数

$struct = imap_fetchstructure($conn, $messageNumber, 0);
$message = imap_fetchbody($conn, $messageNumber, 1);
$message = _encodeMessage($message, $struct->encoding);
echo $message;

我希望这对某人有帮助:)

【讨论】：

请注意，这是我在回答中提到的Imap 库中使用的技术；但是，PHP 几乎总是说消息是 7BIT 编码的，即使不是，所以通常需要进行我的回答中提到的手动解码:(